Rosetta Stone of Neural Mass Models
神经质量模型的罗塞塔石碑
专题命中 EEG解码 ：EEG(abstract,abstract_cn)；分类 q-bio.NC
AI总结 本文提出一个统一框架，将各种神经质量模型（NMM）置于从抽象到生物细节的连续谱中，通过从简谐振荡器出发并逐步增加细节，将不同形式转化为可导航的阶梯，从而将NMM选择从主观行为转变为原则性设计决策。
Comments To appear in Physics Reports 2026
科学与医疗
脑机接口 / BCI
脑机接口、EEG、神经信号解码、神经假体和脑控交互。
1. EEG解码 74 篇
Asking Questions the Right Way: A Multi-Agent Conversational System for Prompt Formulation in Complex Task Resolution
以正确方式提问：用于复杂任务解决中提示词生成的多智能体对话系统
专题命中 EEG解码 ：EEG(abstract,abstract_cn)
AI总结 本研究提出多智能体对话系统PAWNI，通过三层提示框架优化提示生成前端，实验显示其可提升提示结构完整性、LLM输出质量并降低人类工作量，支持人-AI协作优化。
Comments 53 pages, 31 figures, 6 tables
A neighbour selection approach for identifying differential networks in conditional functional graphical models
一种用于识别条件功能图模型中差异网络的邻居选择方法
专题命中 EEG解码 ：EEG(abstract,abstract_cn)
AI总结 本文提出了一种基于功能-功能回归的邻居选择方法，用于识别条件功能图模型中的差异网络，通过协变量调节连接模式并提高估计精度和计算效率。
Entangled criticality and irreversibility in random Markov dynamics
异质性主导随机马尔可夫模型中的不可逆性
专题命中 EEG解码 ：EEG(abstract,abstract_cn)
AI总结 该研究提出了一种随机马尔可夫模型，揭示异质性对临界行为和生物动力学分析的关键作用。
Comments 11 pages, 10 figures
Journal ref Phys. Rev. E 114, 014315 (2026)
NeuroClaw Technical Report
NeuroClaw 技术报告
机构 * Electronic Engineering Department, The Chinese University of Hong Kong, China（香港中文大学电子工程系） ； School of Electronic Information, Northwest University, China（西北大学电子信息学院） ； Department of Computer Science, Emory University, Atlanta, GA, USA（埃默里大学计算机科学系） ； Computer Science and Engineering, Lehigh University, Bethlehem, PA, USA（莱斯利大学计算机科学与工程系） ； Department of Radiology, Massachusetts General Hospital, Boston, MA, USA（麻省总医院放射科） ； Kempner Institute for Natural and Artificial Intelligence, Harvard University, Cambridge, MA, USA（哈佛大学自然与人工智能研究所）
专题命中 EEG解码 ：EEG(abstract,abstract_cn)
AI总结 针对神经影像学中多模态数据、长流程和可重复性挑战，提出NeuroClaw多智能体研究助手，通过数据驱动决策、环境管理和三层技能架构实现可执行可复现的神经影像分析，并在NeuroBench基准上显著优于直接调用智能体。
CA-TCN: A Causal-Anticausal Temporal Convolutional Network for Direct Auditory Attention Decoding
CA-TCN: 一种用于直接听觉注意解码的因果-反因果时序卷积网络
机构 * Department of Science, Universidad Pública de Navarra (UPNA)（纳瓦拉公共大学科学系） ； BCBL, Basque Center on Cognition Brain and Language（巴斯克认知脑语言中心） ； Department of Statistics, Computer Sciences and Mathematics, Universidad Pública de Navarra (UPNA)（纳瓦拉公共大学统计、计算机科学与数学系） ； Ikerbasque, Basque Foundation for Science（巴斯克科学基金会）
专题命中 EEG解码 ：EEG(abstract,abstract_cn)
AI总结 提出CA-TCN，一种因果-反因果时序卷积网络，直接对注意说话者进行分类，通过分别采用因果和反因果卷积对齐听觉刺激与神经响应，在多个数据集上比AADNet提升0.5%-3.2%的解码准确率。
Comments 10+2(refs) pages, 5 figures, 4 Tables, IEEE transactions preprint
Segmented Continuous Optimization
函数连续分解
专题命中 EEG解码 ：EEG(abstract)；分类 eess.SP、cs.LG
AI总结 本文提出FCD框架，通过参数连续优化对时间序列进行分解，提升信号分析和机器学习性能。
Comments 6 pages, 4 figures, 3 tables
Sign in the Air to Unlock: An Interface for authentication in Virtual and Augmented Reality Powered by Point-Voxel Cross-Attention Network
空中签名解锁：基于点-体素交叉注意力网络的虚拟与增强现实认证接口
专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG、cs.HC
AI总结 提出一种空中签名认证接口，利用点-体素交叉注意力网络（PV-Net）建模3D轨迹的局部运动与全局结构，在公开和自建数据集上实现低错误率，支持沉浸式环境中的自然交互认证。
Comments Changed the 2nd co-author name from FRank Sicongchen to Frank Sicong chen
PhasorFlow: A Python Library for Unit Circle Based Computing
PhasorFlow：基于单位圆的计算Python库
机构 * Mindverse Computing LLC
专题命中 EEG解码 ：EEG(abstract)；分类 cs.LG
AI总结 PhasorFlow基于单位圆提出新的计算范式，通过复数相位编码和单位波干涉门实现连续几何梯度预测学习，提供Phasor Circuit模型、变分相位电路和相位变换器三大贡献，验证了其在非线性分类、时间序列预测等任务中的有效性。
Structure leads and dominates comprehension in naturalistic reading
自然阅读中层级结构与统计的相对强度因测量指标而异
机构 * Department of Brain and Cognitive Sciences, University of Rochester（罗切斯特大学脑科学与认知科学系） ； Department of Linguistics and Modern Languages, the Chinese University of Hong Kong（香港中文大学语言学与现代语言系） ； Department of Language Science, University of California Irvine（加州大学 Irvine 分校语言科学系）
专题命中 EEG解码 ：EEG(abstract)；分类 q-bio.NC
AI总结 本研究通过同步脑电图和眼动追踪，结合贝叶斯网络建模和回归分析，探究层级句法结构与统计因素在在线理解中的相对强度，发现层级结构在阅读前即可影响理解，但其强度因行为或神经层面而异。
Low-dimensional representation of brain networks for seizure risk forecasting
用于癫痫发作风险预测的脑网络低维表示
专题命中 EEG解码 ：EEG(abstract)；分类 q-bio.NC
AI总结 提出将颅内脑电图功能连接网络嵌入低维欧氏空间，通过机器学习定义无量纲生物标志物B，区分发作间期和发作前期状态，实现可解释的癫痫发作预测。
Comments Accepted for publication in Physica A: Statistical Mechanics and its Applications. This version incorporates revisions suggested during peer review
LGFNet: A CTC-Guided Local-Global Fusion Framework for Single-Channel Sleep Staging
LGFNet：用于单通道睡眠分期的基于CTC引导的局部-全局融合框架
机构 * School of Mathematics and Systems Science, Shandong University of Science and Technology（山东科技大学数学与系统科学学院） ； School of Artificial Intelligence, Shandong Women’s University（山东女子学院人工智能学院） ； School of Computer Science and Engineering, South China University of Technology（华南理工大学计算机科学与工程学院）
专题命中 EEG解码 ：EEG(abstract)
AI总结 研究针对睡眠分期难题，提出LGFNet框架，通过局部-全局融合编码器及CTC-注意力联合训练等方法，有效建模时间动态与睡眠结构，统一时间对齐与上下文建模，经三阶段解码策略提升性能，在跨数据集评估中优于现有单通道方法。
Asymptotic Uniform False Discovery Rate Control for Inference of Time-varying Correlations
通过时间变化p值控制学习时间变化相关网络
专题命中 EEG解码 ：EEG(abstract)
AI总结 本文提出通过时间变化p值控制学习时间变化相关网络的方法，结合高维高斯近似和理论保证的统计程序，用于非平稳时间序列中的虚假发现率控制。
Perceptually Aligning Representations of Music via Noise-Augmented Autoencoders
通过噪声增强自动编码器对音乐表示进行感知对齐
机构 * Johannes Kepler University（约翰内斯·开普勒大学） ； Queen Mary University（女王玛丽大学） ； Sony Computer Science Laboratories (CSL)（索尼计算机科学实验室（CSL））
专题命中 EEG解码 ：EEG(abstract)
AI总结 研究如何通过噪声增强自动编码器结合感知驱动损失对音乐表示进行感知对齐，经训练产生按感知层次结构构建的编码，此方法在估计音乐音高惊喜和预测脑电反应中效果超以前方法，还提供预训练权重。
Comments Accepted to EUSIPCO 2026. Previous version appeared in NeurIPS 2025 - AI for Music Workshop. 5 pages, 2 figures, 1 table
2. 神经信号处理 22 篇
More than a feeling: Expressive style influences cortical speech tracking in subjective cognitive decline
不仅仅是感觉：表达风格影响主观认知下降中的皮层语音追踪
专题命中 神经信号处理 ：cortical(title,abstract)；EEG(abstract,abstract_cn)；分类 q-bio.NC
AI总结 研究主观认知下降（SCD）患者听自然语音时的神经动态，发现皮层追踪强度（CTS）对亚音节语言特征和韵律平坦语音的减弱可作为早期认知衰退的潜在神经标志。
Comments Accepted at Interspeech 2026. Contains minor updates over the last version following peer review
Analysis of Evolving Cortical Neuronal Networks Using Visual Informatics
使用视觉信息学分析演化的皮层神经元网络
专题命中 神经信号处理 ：cortical(title,abstract)；分类 q-bio.NC
AI总结 本研究利用基于余弦度量的最小失真嵌入（MDE）降维框架，分析神经元群体活动在发育和刺激下的变化，相比PCA和t-SNE，MDE能更好地保留活动轨迹和条件内半径等生物学信息。
CORTET: Robust generation of simulation-ready cortical meshes
CORTET：稳健生成可用于模拟的皮质网格
专题命中 神经信号处理 ：cortical(title,abstract)
AI总结 研究针对人类大脑褶皱差异影响神经发育障碍成像生物标志物寻找的问题，提出CORTET全自动管道，将皮质表面转换为高质量四面体网格，经与通用网格划分器对比及多胎儿受试者验证，实现数值稳定的胎儿大脑形态弹性折叠模拟。
Comments 12 pages
Spatiotemporal bursting in simulated cultures of cortical neurons
培养皮层神经元中的时空爆发活动
专题命中 神经信号处理 ：cortical(title)；分类 q-bio.NC
AI总结 通过模拟研究，发现培养皮层神经元网络中的爆发活动起源于少数网络位置并以波形式传播，且不需要精细调节参数。
Comments 31 pages, 7 figures; substantial revisions; accepted for publication by Biosystems
Varying-coefficient mixture of experts model for dynamic heterogeneous populations: application to mouse cortical development
用于动态异质群体的变系数专家混合模型：在小鼠皮质发育中的应用
专题命中 神经信号处理 ：cortical(title)
AI总结 研究细胞分化中基因关联变化难题，提出VCMoE模型，其系数随索引变量平滑变化，开发标签一致EM算法及相关理论，经模拟验证，应用于小鼠皮质数据发现新动态，有实现该方法的软件包。
Comments Revised manuscript with expanded simulations, new real-data analyses
Scientific Machine Learning of Chaotic Systems Learns Reduced-Order Equations for Neural Populations
混沌系统的科学机器学习发现神经群体的支配方程
机构 * Department of Biomedical Engineering and Laufer Center for Physical and Quantitative Biology, State University of New York at Stony Brook, NY, USA（生物医学工程系和物理与定量生物学拉夫中心，石溪大学纽约州立大学 Stony Brook 分校） ； Athinoula A. Martinos Center for Biomedical Imaging, Massachusetts General Hospital and Harvard Medical School, MA, USA（Athinoula A. Martinos 生物医学成像中心，麻省总医院和哈佛医学院） ； Computer Science and Artificial Intelligence Lab, Massachusetts Institute of Technology, MA, USA（计算机科学与人工智能实验室，麻省理工学院） ； Picower Institute for Learning and Memory, Massachusetts Institute of Technology, MA, USA（记忆学习研究所，麻省理工学院） ； Psychological and Brain Sciences, Dartmouth College, NH, USA（心理学与脑科学系，达特茅斯学院） ； Santa Fe Institute, NM, USA（圣菲研究所）
专题命中 神经信号处理 ：cortical(abstract)；分类 q-bio.NC、cs.LG
AI总结 该研究提出PEM-UDE方法，通过科学机器学习从混沌系统中发现可解释的支配方程，成功恢复噪声污染数据中的动态，并在神经群体中推导出符合生物约束的新方程。
Comments 54 pages, 10 figures
Embedding of Low-Dimensional Sensory Dynamics in Recurrent Networks: Implications for the Geometry of Neural Representation
低维感觉动态在循环网络中的嵌入：对神经表征几何的启示
机构 * University of Washington School of Medicine（华盛顿大学医学院） ； Purdue University Fort Wayne（普渡大学韦恩堡分校） ； University of Washington（华盛顿大学）
专题命中 神经信号处理 ：cortical(abstract)；分类 q-bio.NC、cs.LG
AI总结 研究探讨了低维感觉动态如何在循环网络中形成嵌入结构，并揭示了预测性能对表征几何的约束作用。
Comments Accepted/forthcoming, Journal of Computational Neuroscience
Topographic Constraints Shape Brain-Like Component Structure in Auditory Models
地形约束塑造听觉模型中类脑的组件结构
机构 * Cognition and Brain Science, School of Psychology, Georgia Tech（认知与脑科学系，心理学学院，佐治亚理工学院） ； Computational Cognition, Georgia Tech（计算认知学，佐治亚理工学院） ； Neuroscience Institute and Department of Psychology, Carnegie Mellon University（神经科学研究所和心理学系，卡内基梅隆大学）
专题命中 神经信号处理 ：cortical(abstract)；分类 q-bio.NC
AI总结 该研究探究地形约束对听觉神经网络模型的影响，提出TopoAudio模型，发现其性能与标准模型相当且内部表示更紧凑、组件与人类ECoG记录对齐更紧密，为人工神经网络生成生物对齐表示提供了机制证据。
Explanations of Large Language Models Explain Language Representations in the Brain
大语言模型的解释可解释大脑中的语言表征
专题命中 神经信号处理 ：cortical(abstract)；分类 q-bio.NC
AI总结 该研究探究LLM与脑语言表征对齐的驱动因素，利用XAI的归因方法结合fMRI数据，发现梯度归因可稳健对齐脑活动，且不同层归因的特性与脑区域对齐模式存在差异。
Mechanistic bridges from receptors to whole-brain dynamics: mean-field reductions, validity domains, and computational trade-offs
从受体到全脑动力学的机制桥梁：平均场约化、有效性域与计算权衡
专题命中 神经信号处理 ：cortical(abstract)；分类 q-bio.NC
AI总结 本综述梳理受体感知全脑模型的数学谱系，明确其约化假设，将其置于约化群体模型格局中，引入模拟成本与内存流量作为基准维度，界定该建模为多属性间的权衡。
Comments Minor typographical corrections and consistency fixes; conclusions unchanged
The Fast Lane Hypothesis: Von Economo Neurons Implement a Biological Speed-Accuracy Tradeoff
快速通道假说：von Economo神经元实现一种生物速度-准确性权衡
机构 * School of Computing and Creative Technologies, University of the West of England, Bristol, UK（西英格兰大学计算与创意技术学院，布里斯托尔，英国）
专题命中 神经信号处理 ：cortical(abstract)；分类 q-bio.NC
AI总结 本文提出von Economo神经元通过稀疏快速投射路径实现生物速度-准确性权衡，通过模拟社会辨别任务验证其在不同病理条件下对决策速度的影响。
Comments 7 pages, 5 figures. Code available at https://github.com/esila-keskin/fast-lane-hypothesis
Noise-Induced Transitions and Coherence Resonance in a 5D Conductance-Based Neuronal Model
噪声加速的Kramers逃逸与神经曼哈顿中相干共振
专题命中 神经信号处理 ：cortical(abstract)；分类 q-bio.NC
AI总结 本文研究了噪声对神经元兴奋性的影响，揭示了乘性噪声通过Kramers逃逸机制促进神经元在高维振荡器中达到病理性超兴奋状态的物理机制。
Comments 15 pages, 12 figures. Revised version with expanded numerical validation and robustness analyses
Automated detection of circadian-dependent epileptic biomarkers for seizure localization using machine learning and signal processing
使用机器学习和信号处理自动检测昼夜节律依赖性癫痫生物标志物以进行癫痫发作定位
专题命中 神经信号处理 ：EEG(abstract)；分类 eess.SP
AI总结 研究旨在利用机器学习和信号处理技术，通过分析耐药性局灶性癫痫患者长期颅内脑电图记录，探索癫痫生物标志物昼夜节律和睡眠依赖性动态，发现睡眠状态分析能提高发作起始区定位准确性，为术前脑电图分析提供指导。
Comments This version corresponds to the published journal article
Journal ref Review of Computer Engineering Research, 13(2), 37- 48, 2026
Winner-Take-All bottlenecks enforce disentangled symbolic representations in multi-task learning
赢家通吃瓶颈强制多任务学习中的解耦符号表示
机构 * Institute of Machine Learning and Neural Computation（机器学习与神经计算研究所） ； Graz University of Technology（格拉茨技术大学） ； Graz, Austria（奥地利格拉茨）
专题命中 神经信号处理 ：cortical(abstract)；分类 cs.LG
AI总结 本文研究了赢家通吃瓶颈在多任务学习中强制提取数据类别潜在因素的作用，证明了其产生的表示具有高度符号性，并通过实验验证了其在一般化中的优势。
Comments We have revised the theorem and its proof. We have also corrected some minor errors
Hi-DREAM: Brain-Inspired Hierarchical Diffusion for fMRI-to-Image Reconstruction via ROI Encoder and VisuAl Mapping
Hi-DREAM: 基于脑启发的层次化扩散用于fMRI到图像重建，通过ROI编码器和视觉映射
机构 * Dept of Data Science and AI, Monash University, Melbourne, Australia（数据科学与人工智能系，墨尔本大学，澳大利亚） ； School of Psychological Sciences, Monash University, Melbourne, Australia（心理学科学学院，墨尔本大学，澳大利亚） ； Brain and Mind Centre, University of Sydney, Sydney, Australia（脑与心智中心，悉尼大学，澳大利亚）
专题命中 神经信号处理 ：cortical(abstract)；分类 cs.HC
AI总结 提出Hi-DREAM框架，利用层次化扩散模型，通过ROI适配器将早期、中期和晚期视觉ROI流转换为多尺度皮层金字塔，并用轻量级ROI条件ControlNet注入解剖先验，在NSD数据集上实现最先进的高层语义重建和强低层结构。
Comments 18 pages, 5 figures
Sensing Intelligence as a Trainable Metamaterial Property
感知智能作为可训练的元材料属性
机构 * Daniel Guggenheim School of Aerospace Engineering, Georgia Institute of Technology（德鲁·福金斯航空航天工程学院，佐治亚理工学院） ； Computer Science and Artificial Intelligence Laboratory, Massachusetts Institute of Technology（计算机科学与人工智能实验室，麻省理工学院）
专题命中 神经信号处理 ：neural signal(abstract)；分类 q-bio.NC
AI总结 本文提出将感知智能作为可训练的元材料属性，通过可微仿真优化元材料几何结构，使神经网络能够训练其身体进行感知，从而显著提升感知精度或减少电子传感器数量。
